Python彩蛋、字典、列表高级用法、元类、混入、迭代器、生成器、生成式、git

一、类与类的关系

关注公众号“轻松学编程”了解更多。

• is-a 继承

  继承是指一个类（称为子类、子接口）继承另外一个类（称为父类、父接口）的功能，
  并可以增加它自己的新功能的能力。
  

• has-a 关联/聚合/合成

    关联体现的是两个类之间语义级别的一种强依赖关系，比如我和我的朋友，
    这种关系比依赖更强、不存在依赖关系的偶然性、关系也不是临时性的，
    一般是长期性的，而且双方的关系一般是平等的。关联可以是单向、双向的。
    表现在代码层面，为被关联类B以类的属性形式出现在关联类A中，
    也可能是关联类A引用了一个类型为被关联类B的全局变量。 
  
    聚合是关联关系的一种特例，它体现的是整体与部分的关系，即has-a的关系。
    此时整体与部分之间是可分离的，它们可以具有各自的生命周期，
    部分可以属于多个整体对象，也可以为多个整体对象共享。
    比如计算机与CPU、公司与员工的关系等，比如一个航母编队包括海空母舰、
    驱护舰艇、舰载飞机及核动力攻击潜艇等。表现在代码层面，
    和关联关系是一致的，只能从语义级别来区分。 
  
    组合也是关联关系的一种特例，它体现的是一种contains-a的关系，
    这种关系比聚合更强，也称为强聚合。它同样体现整体与部分间的关系，
    但此时整体与部分是不可分的，整体的生命周期结束也就意味着部分的生命周期结束，
    比如人和人的大脑。表现在代码层面，和关联关系是一致的，只能从语义级别来区分。
  

• use-a 依赖

简单的理解，依赖就是一个类A使用到了另一个类B，而这种使用关系是具有偶然性的、临时性的、非常弱的，但是类B的变化会影响到类A。比如某人要过河，需要借用一条船，此时人与船之间的关系就是依赖。 表现在代码层面，为类B作为参数被类A在某个method方法中使用。

类与类关系的强弱程度依次为：组合>聚合>关联>依赖。

【参考：https://blog.csdn.net/u014470581/article/details/62036457】

二、彩蛋

1、python之禅

import this

2、python漫画

import antigravity

3、查看帮助

python

#查看关键字
help("keywords")

三、字典高级用法

1、字典推导式

list1 = ['a','b','c']
dict1 = {k:i for i,k in enumerate(list1) }
print(dict1)

结果为：
{'a': 0, 'b': 1, 'c': 2}

2、字典按值排序

方式1：

d = {'a': 1,'b': 6,'c': 55,'d': 1,'f': 0}

sort = sorted(zip(d.values(),d.keys()))
sort_d = {v:k for k,v in sort}
print(sort_d)

结果为：
{'f': 0, 'a': 1, 'd': 1, 'b': 6, 'c': 55}

方式2：

d = {'a': 1,'b': 6,'c': 55,'d': 1,'f': 0}

print({k:d[k] for k in sorted(d,key=d.get)})

结果为：
{'f': 0, 'a': 1, 'd': 1, 'b': 6, 'c': 55}

方式3：
python

d = {'a': 1,'b': 6,'c': 55,'d': 1,'f': 0}
print(d.items())
print(dict(sorted(d.items(),key=lambda v:v[1])))

结果为：
dict_items([('a', 1), ('b', 6), ('c', 55), ('d', 1), ('f', 0)])
{'f': 0, 'a': 1, 'd': 1, 'b': 6, 'c': 55}

方式4：

from operator import  itemgetter

d = {'a': 1,'b': 6,'c': 55,'d': 1,'f': 0}
print( dict(sorted(d.items(),key=itemgetter(1))))

结果为：
dict_items([('a', 1), ('b', 6), ('c', 55), ('d', 1), ('f', 0)])
{'f': 0, 'a': 1, 'd': 1, 'b': 6, 'c': 55}

3、字典值过滤

dict1 = {'a': 1,'b': 6,'c': 55,'d': 1,'f': 0}
# 方式1
dict1_gt1 = {key: value for key, value in dict1.items()
                    if value > 1}
print(dict1_gt1)

# 方式2
dict1_gt2 = {x:dict1[x] for x in filter(lambda x:dict1[x] > 1,dict1)}

print(dict1_gt2)

结果为：
{'b': 6, 'c': 55}
{'b': 6, 'c': 55}

4、get()方法

d = {'a':1,'b':2}
print(d.get('c',3))
print(d.get('a'))
print(d.get('d',None))

结果为：
3
1
None

get()方法可以获取给定的键名的值，如果键名不存在，最好给定一个默认值为None作为返回值。

5、合并字典

方式1：

d1 = {'hello':1}
d2 = {'world':2}

print({**d1,**d2})

结果为：
{'hello': 1, 'world': 2}

方式2：

d1 = {'hello':1}
d2 = {'world':2}

print(dict(d1.items()| d2.items()))

结果为：
{'hello': 1, 'world': 2}

方式3：

d1 = {'hello':1}
d2 = {'world':2}

d1.update(d2)
print(d1)

结果为：
{'hello': 1, 'world': 2}

四、List高级用法

1、查找最大或最小的N个元素

使用堆区的大根堆与小根堆来实现。

大根堆：数据以类似树的结构把按大到小排序；

小根堆：数据以类似树的结构把按小到大排序.

import heapq

list1 = [34, 25, 12, 99, 87, 63, 58, 78, 88, 92]
list2 = [
        {'name': 'IBM', 'shares': 100, 'price': 91.1},
        {'name': 'AAPL', 'shares': 50, 'price': 543.22},
        {'name': 'FB', 'shares': 200, 'price': 21.09},
        {'name': 'HPQ', 'shares': 35, 'price': 31.75},
        {'name': 'YHOO', 'shares': 45, 'price': 16.35},
        {'name': 'ACME', 'shares': 75, 'price': 115.65}
    ]
# 列表取前5个最大的值
print(heapq.nlargest(5, list1))
# 列表取前5个最小的值
print(heapq.nsmallest(3, list1))

# 元素按'price'排序取前2个最大的值
print(heapq.nlargest(2, list2, key=lambda x: x['price']))
print(heapq.nlargest(2, list2, key=lambda x: x['shares']))

结果为：
[99, 92, 88, 87, 78]
[12, 25, 34]
[{'name': 'AAPL', 'shares': 50, 'price': 543.22}, {'name': 'ACME', 'shares': 75, 'price': 115.65}]
[{'name': 'FB', 'shares': 200, 'price': 21.09}, {'name': 'IBM', 'shares': 100, 'price': 91.1}]

2、查找列表中元素出现频率较多的前三个元素

import random
from collections import Counter

list1 = [random.randint(1,10) for i in range(20)]

counter = Counter(list1)
print(list1)

# 查找出现频率最多的前3个元素
print(counter.most_common(3))

结果为：
[10, 8, 7, 2, 10, 7, 6, 9, 1, 10, 7, 3, 3, 10, 8, 10, 4, 6, 8, 10]
[(10, 6), (8, 3), (7, 3)]

10出现6次，8和7各出现3次。

3、函数Counter的使用

from collections import Counter

str1 = 'hello world'
# 字符串翻转
str2 = ''.join([i for i in reversed(str1)])
print(str2)
print(Counter(str1))
print(Counter(str2))
# 字符串组成成分是否一样
print(Counter(str1) == Counter(str2))

结果为
dlrow olleh
Counter({'l': 3, 'o': 2, 'h': 1, 'e': 1, ' ': 1, 'w': 1, 'r': 1, 'd': 1})
Counter({'l': 3, 'o': 2, 'd': 1, 'r': 1, 'w': 1, ' ': 1, 'e': 1, 'h': 1})
True

说明str1和str2是由相同字母组成的(顺序可能不同)的字符串。

4、查找频率出现最高的元素

import random
#查找列表中频率最高的值
list1 = [random.randint(1,10) for i in range(20)]
print(list1)
print(max(set(list1),key=list1.count))

结果为：
[4, 5, 2, 3, 3, 5, 5, 1, 2, 4, 1, 3, 7, 6, 5, 9, 8, 8, 3, 3]
3

5、二维数组转置

'''
二维数组转置
1 2
3 4
5 6

1 3 5
2 4 6

'''
str1 = [[1,2],[3,4],[5,6]]
print(*str1)
print(list(zip(*str1)))

结果为：
[1, 2] [3, 4] [5, 6]
[(1, 3, 5), (2, 4, 6)]

6、通过map()方法把元素连接成字符串

items = ['hello','world']
print(' '.join(items))

numbers = [1,2,3,4]
print(' '.join(map(str,numbers)))

data = [1,True,'hello','world']
print(' '.join(map(str,data)))

结果为：
hello world
1 2 3 4
1 True hello world

7、获取列表最大值最小值的索引

items = [1,45,23,34,23,89,0]

print(items.__getitem__(2))
print(min(range(len(items)),key=items.__getitem__))
print(max(range(len(items)),key=items.__getitem__))

结果为：
23
6
5

items.__getitem__(2)的作用是通过索引获取对应的元素。

五、元类

• 元数据 - 描述数据的数据
• 元类 - 描述类的类

元类是不能直接创建实例的，否则会报错，错误信息为：

Can't instantiate abstract class A with abstract methods salary

# 导入创建元类的包
from abc import ABCMeta, abstractmethod

# 元数据 - 描述数据的数据
# 元类 - 描述类的类

class Employee(metaclass=ABCMeta):
    __slots__ = ('name',)

    def __init__(self, name):
        self.name = name

    @property
    @abstractmethod
    def salary(self):
        pass

class Manager(Employee):
    __slots__ = ('name',)

    @property
    def salary(self):
        return 15000

class Programmer(Employee):
    __slots__ = ('name', '_working_hour')

    def __init__(self, name):
        super(Programmer, self).__init__(name)
        self._working_hour = 0

    @property
    def working_hour(self):
        return self._working_hour

    @working_hour.setter
    def working_hour(self, working_hour):
        self._working_hour = working_hour \
            if working_hour > 0 else 0

    @property
    def salary(self):
        return 200 * self.working_hour

class Salesman(Employee):
    __slots__ = ('name', 'sales')

    def __init__(self, name):
        super(Salesman, self).__init__(name)
        self.sales = 0

    @property
    def salary(self):
        return 1800 + self.sales * 0.05

def main():
    emps = [
        Manager('刘备'), Programmer('诸葛亮'),
        Programmer('关羽'), Salesman('张飞'),
        Salesman('马超'), Programmer('黄忠')
    ]
    for emp in emps:
        # 有了__slots__限制，所以不能添加不存在的属性
        # emp.gender = 'Male'
        if isinstance(emp, Programmer):
            hour = int(input(f'请输入{emp.name}本月工作时间: '))
            emp.working_hour = hour
        elif isinstance(emp, Salesman):
            sales = float(input(f'请输入{emp.name}本月销售额: '))
            emp.sales = sales
        print('%s月薪为: %.2f元' % (emp.name, emp.salary))

if __name__ == '__main__':
    main()

• @property

  把方法属性化，在调用方法时可以不用括号，可以直接赋值。

• @abstractmethod

  把方法设置成抽象方法，具体功能由子类实现。

• _working_hour

  受保护的属性，不能直接访问，要通过setter装饰器来访问

      @property
      def working_hour(self):
          return self._working_hour

      @working_hour.setter
      def working_hour(self, working_hour):
          self._working_hour = working_hour \
              if working_hour > 0 else 0

• __slots__

  限制属性数量，可以起到压缩内存的作用。

六、多重继承

class A:

    def foo(self):
        print('foo() in A')

class B(A):

    def foo(self):
        print('foo() in B')

class C(A):

    def foo(self):
        print('foo() in C')

class D(C, B):
    pass

def main():
    print(D.__mro__)
    obj = D()
    obj.foo()
    # 判断实例obj是否属于C类
    print(isinstance(obj,C))

if __name__ == '__main__':
    main()

结果为：
(<class '__main__.D'>, <class '__main__.C'>, <class '__main__.B'>, <class '__main__.A'>, <class 'object'>)
foo() in B
True

• __mro__

  查看类中的属性和方法继承顺序。

  python2和python3使用的继承顺序算法不一样.python2用的是类似深度算法，第一个父类找不到属性或方法，就会去第一个父类的分类中查找，直到找到为止，找不到就会报错。python3用的是类似广度算法，第一个父类找不到，就会去第二个父类中查找。

七、生成器和迭代器

1.可迭代对象

但凡内置有__iter__方法的对象,都称为可迭代对象。可迭代的对象
如：str,list,tuple,dict,set,文件对象.。

2、迭代器对象

1既内置又__next__方法的对象,执行该方法可以不依赖索引取值
2.又内置有__iter__方法的对象,执行迭代器的__iter__方法得到的依然是迭代器本身

迭代器一定是可迭代对象,可迭代对象不一定是迭代器对象,文件对象本身就是一个迭代器对象.

3、for循环本质为迭代器循环

工作原理:
　　　　1.先调用in后对象的__iter__方法,将其变成一个迭代器对象
　　　　2.调用next(迭代器),将得到的返回值赋值给变量名
　　　　3.循环往复直到next(迭代器)抛出异常,for会自动捕捉异常然后结束循环

ps:可以从for的角度,分辨但凡可以被for循环取值的对象就是可迭代对象

4、迭代器优点

1.提供了一种通用不依赖索引的迭代取值方式
2.同一时刻在内存中只存在一个值,更节省内存

5、迭代器缺点

1.取值不如按照索引的方式灵活,不能取指定的某一个值,只能往后取,不能往前取
2.无法预测迭代器的长度

6、生成器

生成器就是一种自定义的迭代器,本质为迭代器
但凡函数内包含yield关键字,调用函数不会执行函数体代码,会得到一个返回值,该返回值就是生成器对象。
yield只能在函数内使用
1.yield提供了一种自定义迭代器的解决方案
2.yield可以保存函数的暂停的状态
3.yield对比return:相同点,都可以返回值,值得类型与个数没有限制,不同点:yield可以返回多次值,而return只能返回一次值函数就会结束

"""
生成器和迭代器
"""

# 用循环的方式实现斐波那契数列求解
def fib(n):
    a, b = 0, 1
    for _ in range(n):
        a, b = b, a + b
    return a

# 用生成器的方式实现斐波那契数列求解
def fib2(n):
    a, b = 0, 1
    for _ in range(n):
        a, b = b, a + b
        yield a

# 重写__iter__和__next__方法实现生成器
class Fib3:

    def __init__(self, n):
        self.n = n
        self.a, self.b = 0, 1
        self.idx = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.idx < self.n:
            self.a, self.b = self.b, self.a + self.b
            self.idx += 1
            return self.a
        raise StopIteration()

def main():
    print(tuple(Fib3(20)))
    fib3 = Fib3(20)
    for val in fib3:
        print(val)
    print(fib)
    print(fib(20))
    gen = fib2(20)
    print(gen)
    for val in gen:
        print(val)

    # 生成式
    gen2 = (x ** 3 for x in range(1, 11))
    print(gen2)
    for val in gen2:
        print(val)

if __name__ == '__main__':
    main()

省空间：生成器

省时间：生成式

一般优化是节省时间：使用缓存。

八、混入

class SetOnceMappingMixin:
    __slots__ = ()

    def __setitem__(self, key, value):
        if key in self:
            raise KeyError(str(key) + ' already set')
        return super().__setitem__(key, value)

class SetOnceDict(SetOnceMappingMixin, dict):
    pass

def main():
    dict1 = SetOnceDict()
    try:
        # 已经存在的key中的值保持不变
        dict1['username'] = 'jackfrued'
        dict1['username'] = 'hellokitty'
        dict1['username'] = 'wangdachui'
    except KeyError:
        pass
    print(dict1)

if __name__ == '__main__':
    main()

结果为：
{'username': 'jackfrued'}

python的mixin可以实现程序在运行的过程中，动态修改一个类的继承关系。

九、git

查看分支git branch
创建分支git branch develop
切换分支git checkout develop
创建并切换分支git checkout -b develop
创建并切换分支git checkout - b issue123
切换分支git checkout develop
删除分支git branch -d issue123
所有文件放到暂存区git add .
查看暂存区状态git status
提交git commit -m '提交信息'
查看日志git log
文件还没放到暂存区时的文件回退git checkout -- 文件
提交文件后想回到其它版本git reset --hard 文件哈希id 或者版本号
git checkout master
合并git merge --no-ff develop
强行删除还没合并的分支git branch D
推送到服务器git push
拉取git pull

后记

【后记】为了让大家能够轻松学编程，我创建了一个公众号【轻松学编程】，里面有让你快速学会编程的文章，当然也有一些干货提高你的编程水平，也有一些编程项目适合做一些课程设计等课题。

也可加我微信【1257309054】，拉你进群，大家一起交流学习。
如果文章对您有帮助，请我喝杯咖啡吧！

公众号

关注我，我们一起成长~~